Обработка изображений

Увеличение изображений

Андрей Насонов, Алексей Лукин, Андрей Крылов

Построение изображения высокого разрешения по изображению низкого разрешения является часто встречающейся задачей при обработке изображений.

Мы проводим исследования в двух направлениях:

  • Реконструкция изображения высокого разрешения как решение некорректной обратной задачи для задачи построения изображения низкого разрешения по изображению высокого разрешения. Для её решения используются регуляризирующие методы.
  • Алгоритмы интерполяции низкой сложности для увеличения разрешения в реальном времени. Разрабатываются быстрые адаптивные к контурам алгоритмы увеличения изображений и видео.

 

Суперразрешение изображений и видео

res_sr.png

Андрей Насонов, Андрей Крылов

Использование нескольких изображений низкого разрешения может повысить качество изображений высокого разрешения. Процесс реконструкции изображения высокого разрешения по нескольких изображениям низкого разрешения называется суперразрешением.

Проект развивается по трём направлениям:

  • Высококачественное суперразрешение, основанное на использовании регуляризирующих методов.
  • Неитерационное суперразрешение. Метод взвешенного медианного усреднения используется для комбинации значений пикселей исходных изображений низкого разрешения.
  • Суперразрешение видеопоследовательностей. Для построения кадра высокого разрешения используется два изображения: текущий кадр низкого разрешения и результат повышения разрешения предыдущего кадра.

 

Повышение качества изображений

res_deringing.png

Андрей Насонов, Алексей Лукин, Андрей Крылов

Применение регуляризирующих методов для:

  • повышения резкости
  • подавления эффекта Гиббса (ложного оконтуривания)
  • подавления шума

 

Метрики изображений

res_metrics.png

Андрей Насонов, Андрей Крылов

Метрики используются для объективного сравнения изображений.

Мы рассматриваем задачу оценки алгоритмов повышения качества изображений: повышения разрешения, подавления эффекта Гиббса, повышения резкости. Основная идея состоит в нахождении областей типичных артефактов алгоритмов повышения качества изображений: размытия и эффекта Гиббса.

 

 

Ключевые точки и дескрипторы

Дмитрий Сорокин, Андрей Крылов

Поиск ключевых точек и построение локальных дескрипторов является одной из базовых задач анализа изображений.

Алгоритм поиска ключевых точек и построения дескрипторов основан на разложении изображения в ряд по круговым гармоническим функциям Гаусса-Лагерра. Для ускорения вычислений используется взаимосвязь между круговыми гармоническими функциями Гаусса-Лагерра и двумерными функциями Эрмита, а также быстрый проекционный метод Эрмита.

Темы текущих исследований:

  • повышение стабильности дескрипторов ключевых точек Гаусса-Лагерра к проективным и фотометрическим преобразованиям
  • адаптация поиска ключевых точек и построения дескрипторов к цветным изображениям